连铸板坯表面质量预报专家系统的研究
| 第一章 课题概要 | 第1-13页 |
| ·课题研究意义 | 第7页 |
| ·课题来源 | 第7页 |
| ·国内外研究现状 | 第7-13页 |
| ·表面质量预报的研究 | 第7-8页 |
| ·对粘结漏钢的研究 | 第8-13页 |
| 第二章 神经元网络专家系统的理论研究 | 第13-21页 |
| ·人工智能 | 第13页 |
| ·人工智能的定义 | 第13页 |
| ·人工智能的研究及应用领域 | 第13页 |
| ·专家系统 | 第13-16页 |
| ·专家系统的定义 | 第13-14页 |
| ·专家系统的基本结构 | 第14页 |
| ·专家系统的建造步骤 | 第14-15页 |
| ·专家系统的局限性 | 第15-16页 |
| ·神经网络和专家系统的结合 | 第16-17页 |
| ·神经元网络专家系统的结构及设计 | 第17-21页 |
| ·神经元网络专家系统的结构 | 第17-19页 |
| ·神经元网络模块 | 第17-18页 |
| ·神经元网络专家系统的框架结构 | 第18-19页 |
| ·神经元网络专家系统的设计步骤 | 第19-21页 |
| 第三章 漏钢形成机理的研究 | 第21-27页 |
| ·弯月面的作用 | 第21页 |
| ·粘结漏钢的成因及钢液弯月面的破损 | 第21-22页 |
| ·弯月面的表面性质 | 第22-24页 |
| ·粘结漏钢形成机理 | 第24页 |
| ·粘结漏钢的影响因素和防止 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第四章 铸坯表面质量问题的冶金学分析 | 第27-37页 |
| ·表面纵裂 | 第27-34页 |
| ·纵裂形成机理分析 | 第27-28页 |
| ·纵裂形成原因分析 | 第28-33页 |
| ·结晶器内的冷却 | 第33-34页 |
| ·表面横裂 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第五章 板坯表面质量预报系统的开发 | 第37-60页 |
| ·基于BP神经网络的板坯漏钢预报模块的开发 | 第37-53页 |
| ·预报算法的确定 | 第37-40页 |
| ·BP网络 | 第37-40页 |
| ·延时网络技术 | 第40页 |
| ·神经网络模块的开发 | 第40-41页 |
| ·结晶器铜板热电偶的布置 | 第40页 |
| ·神经网络模块的结构和功能 | 第40-41页 |
| ·神经网络模块的设计 | 第41-43页 |
| ·网络结构的确定 | 第41-42页 |
| ·网络中的寄存器 | 第42-43页 |
| ·BP网络的程序设计 | 第43页 |
| ·神经网络的训练 | 第43-46页 |
| ·样本数据的处理 | 第43页 |
| ·BP的局限和改进 | 第43-45页 |
| ·BP网络的训练技巧 | 第45-46页 |
| ·知识库的建立 | 第46-53页 |
| ·知识的表达方式 | 第46页 |
| ·规则 | 第46-48页 |
| ·知识源细析 | 第48-53页 |
| ·板坯逻辑漏钢预报模块 | 第53-54页 |
| ·逻辑预报 | 第53-54页 |
| ·逻辑预报程序的设计 | 第54页 |
| ·系统的基本构成及数据采集方案 | 第54-56页 |
| ·系统的构成 | 第54-55页 |
| ·数据采集方案 | 第55-56页 |
| ·用户界面 | 第56-60页 |
| 第六章 结论与展望 | 第60-61页 |
| ·结论 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
